本次查询：AI换脸
中文解释：AI换脸
常见场景：短视频娱乐 / 影视制作 / 在线教育虚拟形象 / 社交媒体特效 / 身份验证攻防
一句话解释
AI换脸是指通过人工智能技术，把一个人的面部特征（表情、嘴型、眼睛方向）精准迁移到另一个人的视频或图片上，生成肉眼几乎无法分辨的逼真内容。
为什么会被关注
2023年以来，多起利用AI换脸冒充亲友、领导进行诈骗的案件登上热搜，涉案金额从数万到百万不等。最初它只是短视频平台上的娱乐特效，如今却成了网络犯罪的新工具。
与此同时，影视行业和内容创作者看中了它的降本潜力：演员不用出镜、后期可修改口型台词。这种“又好用又危险”的矛盾让AI换脸始终处于舆论中心。
核心逻辑
AI换脸主要依赖生成对抗网络（GAN）和自编码器。先让模型学习大量目标人物（如明星A）的面部特征，再通过编码器提取源人物（普通用户）的表情参数，最后用解码器把表情“贴”到目标人物脸上。
现代换脸模型还会加入时序约束，确保帧与帧之间画面连贯不闪烁。更先进的方案（如NeRF）甚至能处理大角度转头和光影变化，让伪造越来越难被肉眼识破。
常见场景
娱乐社交：抖音、ZAO等App让用户一键把自己的脸换到影视片段中，生成搞笑或纪念视频。这类场景通常有平台水印和低分辨率限制。
影视制作：用替身演员拍摄后通过AI换脸替换成主角面孔，节省补拍成本；或为已故演员“复活”出演。
恶意欺诈：不法分子盗用社交账号照片制作换脸视频，在视频通话中冒充亲友骗取钱款，或伪造不雅视频进行敲诈勒索。
容易混淆的点
AI换脸 ≠ 简单贴图滤镜。早期美颜App的“贴贴纸”只是叠加静态贴图，而AI换脸需要实时追踪面部关键点并动态调整，是两套完全不同的技术。
AI换脸 ≠ 面部生成。像StyleGAN生成的人脸是凭空创造的虚构面孔，而换脸必须依赖于源人脸和目标人脸的特定映射，并非“无中生有”。
已经有不少反检测技术（如DeepFake检测器、数字水印）可以识别换脸痕迹，但普通用户很难通过肉眼直接判断，需借助专业工具或平台认证标识。